GPT Image 2.5 官方提示词使用手册1

这份手册讲的是什么

OpenAI 的官方 image prompting 指南把 GPT Image 2.5 的用法分成两层：一层是模型与参数怎么设，另一层是提示词怎么写。这两层是分开的，参数在接口里设，提示词里只描述画面。很多人出图效果不稳定，问题往往不在措辞，而在选错了档位或者把参数当成了提示词的一部分。

上篇只讲「从零生成一张图」这条链路：先确认两个档位的区别，再确认参数边界，然后按九个官方场景逐个套模板。图像编辑、多轮迭代和工作流案例放在下篇。

• 官方指南里每个示例都标了生成参数，照抄提示词时建议把参数一起照抄，否则对照结果没有意义。
• 所有示例提示词都是官方原文，可以直接复制到自己的工作台里改成自己的主体。
• 官方每个场景都给了 Flare 与 Sunburst 两张出图，同一段提示词在两个档位下的差异是判断选型的直接依据。

两个档位：Flare 与 Sunburst 怎么选

GPT Image 2.5 不是一个模型，而是两个。GPT Image 2.5 Flare 是小模型，优化方向是速度，官方描述它的画质与 GPT Image 2 相当。GPT Image 2.5 Sunburst 是基础模型，优化方向是质量，画质高于 GPT Image 2。两条线的精确编辑与主体保持能力都比上一代更好。

选型的分叉点不是「哪个更好」，而是「你的场景有没有硬性质量门槛」。官方给了一张按现状分流的选择表。

• 官方强调要在自己的工作负载上实测响应时间和质量。结果受提示词、参考图、输出尺寸和质量档影响，一个场景上的提速不能推导出固定比例的提升。
• 质量达标之后再去压延迟，顺序反了会得到一个「快但不可用」的默认档。

参数与自定义尺寸：写在哪、限在哪

参数写在请求里，不写进提示词。官方把参数和提示词明确分开，这一点直接决定了提示词该长什么样：提示词里只描述画面内容，不要在句子里塞「4K」「透明背景」当作画面描述的一部分。

质量档的调法官方也给了顺序：先用上面那张表把模型定下来，再动 quality。第一次做两个模型的对比时，把显式选定的 quality、提示词、参考图和输出尺寸全部保持一致，因为同一个 quality 标签在两个模型之间并不代表同样的画质和响应时间。

输出不达标就往上试一档；达标之后往下试，看能不能在保持可用画质的前提下继续降延迟。xhigh 和 max 只在确实能解决某个未达标需求、且延迟预算允许时才用——官方明确说了，更高的档位并不保证每段提示词都出更好的结果。

自定义尺寸的四条硬约束：单边 ≤ 3840 像素；两边均为 16 的倍数；长短边之比 ≤ 3:1；总像素数在 655,360 – 8,294,400 之间。

• 透明素材必须同时满足两个条件：提示词里要求主体单独抠出，参数里 background="transparent"，输出格式用 PNG 或 WebP。
• 拿到带透明通道的文件后要检查解码后的 alpha，重点看头发、玻璃、阴影和物体边缘。
• output_compression 只能用于 JPEG 和 WebP，不要用在 PNG 上。
• 官方对超过 3,686,400 总像素（2560x1440）的输出标注为实验性，生产流程要谨慎。

从旧模型迁移：官方给的六步

如果你已经在跑 GPT Image 2 或者更早的 gpt-image-1 / 1.5，官方不建议直接换模型名了事，而是给了六步验证流程。核心原则是「一次只动一个变量」，先立基线再谈提速。

1. 存基线。收集有代表性的生产提示词和参考图，覆盖难改的编辑、精确文字、人脸、产品几何和透明素材，记录当前模型、请求设置和结果。
2. 选第一个候选。GPT Image 2 已达标就从 Flare 起测延迟；复杂场景达不到就从 Sunburst 起，先确认它满足质量要求。第一次对比时提示词、参考图、尺寸和输出格式保持不变。
3. 核对完整结果。比较指令遵循、主体与产品保持、文字准确度、非预期改动和透明效果，重复请求测稳定性；编辑类工作流要连整条编辑序列一起测，不能只测单步。
4. 质量通过后再测延迟。从 Sunburst 起步的话，用同一批要求再评一次 Flare，只有画质仍可接受且延迟确实改善才切。
5. 一次只调一个设置。先比质量档，再考虑重写提示词；要测典型响应、慢响应、失败、重试和「每张可用图的成本」，并去核实当前定价，不要假设更快的模型就一定更便宜。
6. 按工作流灰度。新模型通过验收标准后先放一小部分流量，盯同样的指标，再逐步放量；旧模型在仍受支持期间保留回滚能力。

• 从 gpt-image-1 或 1.5 迁移时，要按官方参考页核对参数差异和下线日期，不要原样照搬旧设置。gpt-image-1 计划于 2026 年 10 月 23 日下线，gpt-image-1.5 计划于 2026 年 12 月 1 日下线，迁移前先用 gpt-image-2 验证现有工作流。
• 反复编辑仍然可能改掉你想保留的细节。要重申约束并逐张检查；如果某个区域必须逐像素保持一致，官方建议把通过的编辑结果合成回原图，而不是继续靠提示词约束。

提示词八个基本功

官方把提示词写法收敛成八条原则。它们不是语法规则，而是「把哪些信息写进提示词」的清单。复杂请求建议按 scene、subject、details、constraints 分段写，用带标签的小节组织。

• 定义结果。说出主体和用途（产品照片、广告还是图表），指定构图、宽高比和关键位置约束；复杂请求按场景、主体、细节、约束分段。
• 选一个能维护的格式。短提示词、描述性段落、类 JSON 结构、指令式写法、标签式写法都能表达同一个意图，选最容易读和最容易改的那种，不要依赖特殊语法。
• 描述可见细节。点明材质、光线、颜色和媒介；目标就是写实图时明确写出 photorealistic 或 real photograph，并描述取景和质感。相机参数只当外观线索，不保证物理模拟准确；宽幅、电影感、低照度、雨天、霓虹这类场景要说清尺度、氛围和色彩，不要只丢情绪词。
• 指定人物与动作。描述身体取景、相对尺度、视线和与物体的互动。「全身可见、包含脚」「低头看摊开的书」「双手自然握住车把」这类写法能把姿势和动作说清楚。
• 指定精确文字。必需文案放引号里，说明位置和字体风格；生僻词或品牌名按需逐字母拼出；要求不要出现多余文字，出图后核对拼写与可读性。小字、密集信息或多字体时，建议对比 medium 与 high 两档。
• 把「改动」和「约束」分开写。编辑时说清「只改 X」并列出要保留的细节：身份、几何、版式、光线、标签。同时声明排除项，比如不要多余文字、logo 或水印。做局部精修时，还要点名饱和度、对比度、箭头、机位和周围物体这些必须保持不变的元素。
• 给参考图分配角色。按编号和用途标识每张输入图：主体、风格、服装还是背景，再说清它们怎么组合、哪些元素要移到哪里。
• 有节奏地迭代。把上一次的输出当作下一次的编辑输入，只提一个改动，并重复要保留的细节。「和之前同样的风格」这类指代可以带上文，但一旦结果开始漂移，就要把关键约束重新写全；在加新指令之前先比较结果。

九个文生图场景与官方提示词

官方给文生图列了九个场景，每一个都用一段完整提示词演示了一种不同的技法。下面把九段官方原文提示词和两个档位的官方出图按顺序放出来，提示词可以直接改成你自己的主体。

场景一：控制风格与光线

这段提示词演示的是用一个「诚实、不做作」的定调约束整张图：先写主体与外貌细节，再写取景和镜头，最后写光线、景深和颗粒，并明确排除美化与重度修图。适合需要真实感而不是影棚感的纪实类画面。

官方生成参数：size="1024x1536"，quality="medium"。

Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.
He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.
He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens.
Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance.
The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.

场景二：图解流程

信息图不靠形容词，靠信息清单。这段提示词只说了三件事：画什么流程、按什么顺序、要什么效果——然后逐个点出环节名称。官方提醒：图和信息图除了看观感，还要核对标注和事实关系是否成立。

官方生成参数：size="1024x1536"，quality="medium"。

Create a detailed Infographic of the functioning and flow of an automatic coffee machine like a Jura.
From bean basket, to grinding, to scale, water tank, boiler, etc.
I'd like to understand technically and visually the flow.

场景三：渲染精确文字

画面里要出现文字，就必须同时交代三件事：原文是什么、出现几次、怎么排版。这段提示词把 tagline 放进引号，明确要求「只出现一次、清晰可读」，并在末尾排除多余文字、水印和无关 logo。

官方在基本功里补充过一条：生僻词或品牌名可以逐字母拼出；小字、密集信息或多种字体的情况，建议对比 medium 与 high 两档再定。

官方生成参数：size="1024x1536"，quality="medium"。

Give me a cool in culture ad / fashion shot for a brand called Thread.
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.

场景四：设计可复用 logo

logo 的关键不是好看，而是缩小之后还能认出来。官方这段提示词的写法是：先描述品牌气质，再指定构成手法（矢量感形状、强轮廓、均衡留白），把「优先简洁」写成显式要求，最后处理透明背景和 alpha 边缘。

官方在这一节里用了参数 n 来一次请求多张变体，示例展示的是四个变体在两个档位下的差异。

官方生成参数：size="1024x1536"，quality="medium"，background="transparent"，output_format="png"，n=1（完整示例里用 n=4 一次出四张变体）。

Create an original, non-infringing logo for a company called Field & Flour, a local bakery.
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space.
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.

场景五：历史与真实场景

要写实的历史或真实世界场景，官方建议直接点名地点和日期，让模型自己去推断服装、布景和环境的时代特征。这类写法短，但依赖模型的世界知识，所以出图后必须自己检查服装、道具和周边细节是否符合史实。

官方示例是一段只有两行的提示词：一行交代场景，一行约束写实与时代准确性。

官方生成参数：size="1024x1536"，quality="medium"。

Create a realistic outdoor crowd scene in Bethel, New York on August 16, 1969.
Photorealistic, period-accurate clothing, staging, and environment.

场景六：故事转漫画

把故事转成漫画，官方给的写法是把叙事拆成清晰的视觉节拍，一格一拍，描述保持具体、以动作为中心，模型才能把它翻译成节奏可读的分镜。不要写「体现温馨的氛围」，要写「门关上了，宠物慢慢转向空房子」。

官方生成参数：size="1024x1536"，quality="medium"。

Create a short vertical comic-style reel with 4 panels.
Panel 1: The owner leaves through the front door. The pet is framed in the window behind them, small against the glass, eyes wide, paws pressed high, the house suddenly quiet.
Panel 2: The door clicks shut. Silence breaks. The pet slowly turns toward the empty house, posture shifting, eyes sharp with possibility.
Panel 3: The house transformed. The pet sprawls across the couch like it owns the place, crumbs nearby, sunlight cutting across the room like a spotlight.
Panel 4: The door opens. The pet is seated perfectly by the entrance, alert and composed, as if nothing happened.

场景七：界面预览

界面稿最容易出问题的地方是「看起来像设计概念稿」而不是「像已经上线的产品」。官方给的做法是：把产品当成已经存在的东西来描述，聚焦布局、层级、间距和真实的界面元素，并明确避开概念图那套语言。

官方生成参数：size="1024x1536"，quality="medium"。

Create a realistic mobile app UI mockup for a local farmers market.
Show today's market with a simple header, a short list of vendors with small photos and categories, a small "Today's specials" section, and basic information for location and hours.
Design it to be practical, and easy to use. White background, subtle natural accent colors, clear typography, and minimal decoration.
It should look like a real, well-designed, beautiful app for a small local market.
Place the UI mockup in an iPhone frame.

场景八：科学与教学图

生物学、化学、课堂讲解、扁平科学图标体系、示意图和教学素材都属于这一类。官方建议按教学设计简报来写：定义受众、教学目标、视觉格式、必需标注和科学约束，并要求干净的扁平视觉体系、统一的图标风格、清晰的箭头、可读的标注和足够的留白。

准确性要求高的时候，就把必需组件逐条列出来，并写明不该出现什么。密集标注、示意图或要放进课件里的素材，官方建议用 quality="high"。

官方生成参数：size="1536x1024"，quality="high"。

Create a simple biology diagram titled "Cellular Respiration at a Glance" for high school students.

Show how glucose turns into energy inside a cell. Include glycolysis, the Krebs cycle, and the electron transport chain.
Use arrows to connect the steps, and label the main molecules: glucose, pyruvate, ATP, NADH, FADH2, CO2, O2, and H2O.
Make it look like a clean classroom handout or slide, with a white background, simple icons, clear labels, and easy-to-read text.

Avoid tiny text, extra decoration, or anything that makes the diagram hard to understand.

场景九：幻灯片与图表

表格、图表和幻灯片这类生产力产物，官方给的写法是把它当成产物规格而不是插画需求：点名确切的交付物（幻灯片、流程图、图表、页面图），定义画布和层级，把真实文字或数据直接写进提示词，再描述视觉语言。约束也要写实：排版可读、间距考究、没有装饰性杂物、不是通用图库照。

这一节的官方示例刻意强调数据是虚构的设计输入，真实使用前必须换成已核实的数据。

官方生成参数：size="1536x864"，quality="high"。

Create one pitch-deck slide titled **"Market Opportunity"** that feels like a real Series A fundraising slide from a YC-backed startup.

Use a clean white background, modern sans-serif typography like Inter, and a crisp, minimal layout. The slide should include:

* A TAM/SAM/SOM concentric-circle diagram in muted blues and grays
* Specific, believable market sizing numbers:

  * **TAM:** $42B
  * **SAM:** $8.7B
  * **SOM:** $340M
* A clean bar chart below showing market growth from **2021 to 2026**, with a subtle upward trend
* Small footnotes: **"AGI Research, 2024"** and **"Internal analysis"**
* A company logo placeholder in the bottom-right corner

The design should look like it belongs in a deck that actually raised money: highly readable text, clear data hierarchy, polished spacing, and professional startup-style visual language.

Avoid clip art, stock photography, gradients, shadows, decorative elements, or anything that feels generic or overdesigned.

出图之后的验收清单

官方在指南最后给了一份检查清单，用来在把图交出去之前过一遍。它的逻辑是「先核事实，再谈观感」。

• 必需文字是否准确、清晰可读？图表标注和它们之间的关系是否正确？
• 身份、产品外形、标签和参考细节是否保持完整？
• 这次编辑是否只改了你要求改的地方？
• 需要透明背景时，文件里是不是真的带了 alpha 通道，而不是画了一个背景上去？
• 换提示词或换模型时，要在有代表性的输入上比较质量、延迟和成本。